Digitale Technologien M.Eng.

Selbstlernende Systeme werden immer selbstverständlicher. Sie halten verstärkt Einzug in unseren Alltag und sind auch in Zukunft nicht mehr wegzudenken. Doch wie funktioniert der Prozess des maschinellen Lernens? Wie sehen die Möglichkeiten und Einsatzgebiete, aber auch Grenzen aus?

Grundlegende Fragestellungen und Ziele zu verstehen, die Vorgehensweise des maschinellen Lernens zu kennen und das Wissen um die wichtigsten Begriffe oder auch Problemklassen, ist das Ziel dieses Moduls. Die Studierenden sind nach dem Modul in der Lage, den Einsatz maschineller Lernmethoden für eigene Anwendungsaufgaben zu beurteilen und auch die Grenzen einzuordnen.

Betriebliches IT-Sicherheitsmanagement ist ein wichtiger Prozess heutiger Unternehmen und Organisationen. Damit die Absicherung der Systeme erfolgreich gelingen kann, braucht es zunächst grundlegendes Wissen über die wichtigsten Typen von Rechnernetzen und deren Einsatzbereiche. Dies wird im Modul zunächst vermittelt, bevor sich die Studierenden mit typischen Angriffs- und Abwehrmethoden beschäftigen. Am Ende verfügen sie über die Kompetenz, typische Schwachpunkte in IT-Infrastrukturen auszumachen und Empfehlungen zu deren Verbesserung auszusprechen. Im letzten Teil der Veranstaltung wird auf Grundlagen von Datenschutz und ethischen Aspekten der Datenverarbeitung eingegangen.

Mittels Daten lassen sich vielerlei Rückschlüsse ziehen, um z.B. Prozesse zu optimieren, Ressourcen gewinnbringender einzuplanen oder Produkte innovativ zu gestalten. Dazu muss die riesige Menge an anfallenden Daten allerdings zielführend strukturiert und analysiert werden. Im Modul erarbeiten die Studierenden die Grundlagen der computergestützten Datenverarbeitung und lernen wichtige Speichertechnologien von relationalen Datenbanken bis hin zu NoSQL-Datenbanken und anderen Speichertechnologien für Big Data kennen.

Apple, Google, Tesla – allesamt bekannte Geschäftsmodell-Innovationen. Welche Innovationsregeln und Muster liegen diesen Unternehmen zugrunde? Und was macht generell ein erfolgreiches Geschäftsmodell – vor allem unter dem Aspekt der Digitalisierung – aus? Diese Fragen werden im Modul unter Analyse zahlreicher Beispiele thematisiert. Die Studierenden lernen außerdem erfolgreiche Strategien kennen, wissen wie sich Organisationen gestern und heute unterscheiden müssen und erstellen z.B. einen eigenen Businessplan.

In diesem Modul wird der Wandel der Arbeitswelt durch Industrie 4.0 zum Gegenstand gemacht und mit unterschiedlichen Schwerpunkten behandelt. Wie wirkt sich die Digitalisierung der Arbeitsprozesse auf die Arbeitsorganisation aus? Welche Anforderungen werden an das Management gestellt, wenn uns um die verschwimmenden Grenzen zwischen Arbeit und Privatleben geht? Wie können Menschen ihre subjektiven Fähigkeiten gewinnbringend in ihre Arbeit einbringen? Die Studierenden lernen neue Formen der Arbeitsorganisation kennen und entwickeln daraus Schlüsselqualifikationen für erfolgreiche Führung. Am Ende des Moduls sind sie in der Lage, neue Herausforderungen proaktiv anzugehen, erproben Gestaltungsmöglichkeiten und Lösungsstrategien und können diese anschließend bewerten.

Studierende lernen hier, ihr theoretisches Wissen und ihre praktischen Fähigkeiten mit den Anforderungen der Berufspraxis zu verbinden. Sie kennen die zentralen Ziele, Anforderungen und Prinzipien digitaler Themen. Sie lernen, den Bearbeitungsprozess einer typischen Aufgabenstellung zu planen, den Lösungsweg systematisch zu entwickeln und passende Methoden und Instrumente anzuwenden. Teamwork sowie interne und externe Kommunikation stehen hier im Mittelpunkt.

• Einblick in die Projekte

In diesem Modul erlangen die Studierenden Kenntnisse in Ideenfindung, Konzeption, Planung, Entwicklung und Umsetzung von Projektvorhaben zu KI-Anwendungen. Thematisch liegt der Fokus dabei auf Pflanzenbau, Tierhaltung, Landtechnik oder Agrarökonomie, wahlweise auch auf Ernährungs- und Umweltwirtschaft.

Nachhaltige Pflanzenproduktion und die Auswertung von Klimadaten werden für die Agrarwirtschaft in Zeiten des Klimawandels immer wichtiger. Ziele der Veranstaltung sind deshalb, dass die Studierenden agrarmeteorologische Grunddaten auswerten, Kalkulations- und Schätzverfahren für produktionstechnische Maßnahmen mit Hilfe von Sensortechnologien anwenden und Beratungsempfehlungen ableiten können. Von besonderer Bedeutung ist dies für die umweltsensiblen Bereiche des Pflanzenbaues (wie Düngungsstrategien) und Verfahren des Pflanzenschutzes.

Auch in der Landwirtschaft hält die Digitalisierung Einzug. Auf dem Arbeitsmarkt sind daher Spezialist*innen gefragt, die sowohl über agrarisches Fachwissen verfügen als auch ein vertieftes Verständnis der wichtigsten Funktionsprinzipien der modernen Kommunikations- und Informationstechnologie vorweisen. Im Modul lernen die Studierenden wichtige digitale Anwendungen in Tierhaltung und Pflanzenbau, Farmmanagementsysteme sowie stufenübergreifende Plattformkonzepte praktisch kennen und können deren Chancen und Risiken einschätzen. Fragen der IT-Sicherheit, Betriebssicherheit und Datenhoheit bereiten ihnen keine Probleme und sie wissen fallspezifisch mögliche Lösungen abzuleiten.

Georeferenzierte Daten tragen einen großen Nutzen zur Optimierung biologischer, technischer und ökonomischer Prozesse bei. Mit Schwerpunkt auf Anwendung in der Bioökonomie lernen die Studierenden in der Veranstaltung die wichtigsten Quellen sowie die technischen Grundlagen zur Gewinnung/Bereitstellung von georeferenzierten Daten kennen. In Übungen werten sie beispielsweise Satelliten- und Luftbilder sowie maschinengenerierte Ertragskarten aus oder erstellen elektronische Applikationskarten für Landmaschinen. So kennen sie am Ende die relevanten Datenformate und können den potenziellen Nutzwert von Geo-Daten bewerten und in interdisziplinären Teams Projekte voranbringen.

Daten sind im Pflanzenbau und in der Tierproduktion von hoher Relevanz. Im Modul erlangen die Studierenden Kenntnisse im Umgang mit und in der Bewertung von Daten. Dazu werden die Methoden des Datenflusses in der Pflanzen- und Tierproduktion erarbeitet und Managementwerkzeuge zur Datengewinnung und zum Datentransfer erprobt. Zudem arbeiten die Studierenden mit Managementinformationssystemen mit Kennzahlen zur Bewertung der Wirtschaftlichkeit von Arbeitsverfahren und Produktionsprozessen, zur Prozessqualität und Umweltbeanspruchung.

Im Modul setzen sich die Studierenden mit internationalen Fachstudien zur Welternährungswirtschaft auseinander. Sie erwerben Kenntnisse zentraler wissenschaftlicher Theorien und Methoden, erläutern reale sowie monetäre Außenwirtschaftsbeziehungen im Agrar- und Ernährungsbereich und beurteilen außenwirtschaftliche Eingriffe wissenschaftlich fundiert. Darüber hinaus lernen die Studierenden, Lösungsvorschläge zu Fragen der Welternährungswirtschaft qualifiziert zu beurteilen, eigene Standpunkte darzustellen und wissenschaftlich zu begründen.